SlideShare une entreprise Scribd logo
1  sur  14
Télécharger pour lire hors ligne
Wie Graphen zur Zuverlässigkeit
der Bahn beitragen
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence
06.07.2022 | München
DB Systel.
Der Digitalpartner der Bahn.
Das Unternehmen – Profil
3
Digitalpartner der Deutschen Bahn
DB Systel ist eine hundertprozentige Tochter der DB AG und
Digitalpartner für alle Konzern-Gesellschaften.
Im Geschäftsjahr 2021 erzielte das Unternehmen einen Umsatz
von rund 1,23 Milliarden Euro und beschäftigt derzeit rund 5.400
Mitarbeiter*innen. Fundierte Bahn- und IT-Kompetenz bilden die
Grundlage für operative Exzellenz.
DB Systel ist auf zahlreichen IT-Zukunftsfeldern aktiv. Dazu zählen
Angebote zu Cloudintegration, Data Solutions, Internet of Things
(IoT), Blockchain oder digitale Services.
Firmensitz von DB Systel ist Frankfurt am Main.
Weitere Hauptstandorte sind Berlin und Erfurt.
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022
Graphen bei der DB
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 4
Von den Gleisverbindungen
bis zu täglich verkehrenden
Nah- und Fernverkehrszügen.
Die Bahn kann ideal mit
Graphen beschrieben werden.
Herausforderung Bahn
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 5
Datenmenge
Ca. 40.000 Zugfahrten/Tag
auf rund 33.300 km Streckennetz
verbinden 5.700 Bahnhöfe
Geschäftsfelder
Datenhaltung ist nur in Teilbereichen vereinheitlicht.
Individuelle Datenhaltungen sind wegen gesetzlicher
Anforderungen zu Neutralität bei DB Netz unvermeidbar.
Perspektiven
Planung, Betrieb und Instandhaltung benötigen
Datenperspektiven in unterschiedlichen Granularitäten.
Daten(Komplexität) bei der Bahn
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 6
Wartungsmanagement
- Baustellenplanung
- Baustellen im Netz
Infrastruktur
- Technische Plätze
- Fahrbarkeitsgraph
- Stellwerksicht
Fahrzeug- und
Personalumlauf
Fahrplan
- 1-Jahres-Sicht
- Mehrjahres-Sicht
- Operative Sicht
Zuglaufverfolgungstelegramme bilden die Basis des Graphen
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 7
Startbahnhof
Zugfahrt
Telegr. 10 Telegr. 85 Telegr. 02 Telegr. 02 …
Gleis 0001 Gleis 0002 Gleis 0003
Zugeinwahl Fahrstraße gestellt
Signal Grün
Fortschaltung
Ziel: Gleis 0002
Fortschaltung
Ziel: Gleis 0003
Fortschaltung
Ziel: …
Gleis 000n
Telegr. 02
Start TG85 TG02 TG02 TG02 Ziel
ZugNr.: 4711
Ort: 0002
Datum: 26.04.2022
Uhrzeit: 09:45
Zielbahnhof
Fortschaltung
zum Zielbahnhof
Informationen aus anderen Datenquellen detaillieren Zugläufe
durch ergänzende Graphebenen
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 8
GPS Meldungen
Eigene Relationstypen für jede
Datenquelle erlauben es, Pfade
sowohl dediziert als auch im
Verbund zu analysieren.
ZugNr.: 4711
Latitude: 50.10667…
Longitude: 8.662559…
Datum: 26.04.2022
Uhrzeit: 10:50:01
Soll/Ist-Vergleich
Die vollständig gerichtete Struktur
ermöglicht sehr effiziente Abfragen
auch von komplex verzweigten,
langen Pfaden.
Start TG85 TG02 TG02 TG02 Ziel
Um Abhängigkeiten zwischen Zugfahrten sichtbar zu machen, werden Ereignisse am
Ort chronologisch verkettet
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 9
Zugfahrt 1
Rangierfahrt 1
Zugfahrt 2
Start
Start
Start
Dauer von
1 nach 2
Dauer von
2 nach 3
Dauer von
Z1 bis R1
Dauer von
R1 bis Z2
Zeit fortlaufend mit Zugbewegung
Zeit
der
Zugfolge
am
Ort
Analyse Ø
Ø
Analyse
Dauer von
R1 bis Z1
Ort 1 Ort 2 Ort 3
Der Eventgraph erfasst den
gesamten Zugverkehr mit einem
möglichst hohen Detailgrad
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 10
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 11
Um Kreuzungssituationen zwischen Zügen zu identifizieren,
wird ein Streckennetzgraph benötigt
001
Ziel
A
052
Ziel
B
A
B
Kreuzung
Zusammen bilden Eventgraph und
Streckennetzgraph eine solide Basis zur Analyse von
Zug- und Rangierbewegungen der DB
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 12
Streckennetzgraph
Eventgraph
DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 13
Wegeberechnungen
auf Basis von Länge, Kosten
oder Zugeignung
Analyse von
Engpasssituationen
Centralitiy Detection
stark ausgelastete
Gleisabschnitte,
Einfluss einzelner Knoten
Stammdatenmanagement
nicht redundante
Wissenserfassung
Ansprechpartner
Frederik Behler
DB Systel GmbH
Einheit Data Intelligence
Team Graph Analytics & Artificial Intelligence
Tel. +49 (0) 152 321 098 81
frederik.behler@deutschebahn.com
DB Systel GmbH
Jürgen-Ponto-Platz 1 | 60329 Frankfurt am Main
Dr. Klaus Bermuth
DB Systel GmbH
Einheit Data Intelligence
Team Graph Analytics & Artificial Intelligence
Tel. +49 (0) 171 338 444 0
klaus.bermuth@deutschebahn.com
DB Systel GmbH
Jürgen-Ponto-Platz 1 | 60329 Frankfurt am Main
www.dbsystel.de

Contenu connexe

Tendances

Amsterdam - The Neo4j Graph Data Platform Today & Tomorrow
Amsterdam - The Neo4j Graph Data Platform Today & TomorrowAmsterdam - The Neo4j Graph Data Platform Today & Tomorrow
Amsterdam - The Neo4j Graph Data Platform Today & Tomorrow
Neo4j
 

Tendances (20)

Bertelsmann: BeTrend – Building a Trend Aggregation Machine.pdf
Bertelsmann: BeTrend – Building a Trend Aggregation Machine.pdfBertelsmann: BeTrend – Building a Trend Aggregation Machine.pdf
Bertelsmann: BeTrend – Building a Trend Aggregation Machine.pdf
 
Sopra Steria: Intelligent Network Analysis in a Telecommunications Environment
Sopra Steria: Intelligent Network Analysis in a Telecommunications EnvironmentSopra Steria: Intelligent Network Analysis in a Telecommunications Environment
Sopra Steria: Intelligent Network Analysis in a Telecommunications Environment
 
Demystifying Graph Neural Networks
Demystifying Graph Neural NetworksDemystifying Graph Neural Networks
Demystifying Graph Neural Networks
 
Siligong.Data - May 2021 - Transforming your analytics workflow with dbt
Siligong.Data - May 2021 - Transforming your analytics workflow with dbtSiligong.Data - May 2021 - Transforming your analytics workflow with dbt
Siligong.Data - May 2021 - Transforming your analytics workflow with dbt
 
Försäkringskassan: Neo4j as an Information Hub (GraphSummit Stockholm 2023)
Försäkringskassan: Neo4j as an Information Hub (GraphSummit Stockholm 2023)Försäkringskassan: Neo4j as an Information Hub (GraphSummit Stockholm 2023)
Försäkringskassan: Neo4j as an Information Hub (GraphSummit Stockholm 2023)
 
Transport for London - London's Operations Digital Twin
Transport for London - London's Operations Digital TwinTransport for London - London's Operations Digital Twin
Transport for London - London's Operations Digital Twin
 
https://www.slideshare.net/neo4j/a-fusion-of-machine-learning-and-graph-analy...
https://www.slideshare.net/neo4j/a-fusion-of-machine-learning-and-graph-analy...https://www.slideshare.net/neo4j/a-fusion-of-machine-learning-and-graph-analy...
https://www.slideshare.net/neo4j/a-fusion-of-machine-learning-and-graph-analy...
 
Graph Gurus Episode 8: Location, Location, Location - Geospatial Analysis wit...
Graph Gurus Episode 8: Location, Location, Location - Geospatial Analysis wit...Graph Gurus Episode 8: Location, Location, Location - Geospatial Analysis wit...
Graph Gurus Episode 8: Location, Location, Location - Geospatial Analysis wit...
 
Kerry Group: How Neo4j graph technology is delivering benefits to Kerry Group...
Kerry Group: How Neo4j graph technology is delivering benefits to Kerry Group...Kerry Group: How Neo4j graph technology is delivering benefits to Kerry Group...
Kerry Group: How Neo4j graph technology is delivering benefits to Kerry Group...
 
ntroducing to the Power of Graph Technology
ntroducing to the Power of Graph Technologyntroducing to the Power of Graph Technology
ntroducing to the Power of Graph Technology
 
Databricks Overview for MLOps
Databricks Overview for MLOpsDatabricks Overview for MLOps
Databricks Overview for MLOps
 
Technip Energies Italy: Planning is a graph matter
Technip Energies Italy: Planning is a graph matterTechnip Energies Italy: Planning is a graph matter
Technip Energies Italy: Planning is a graph matter
 
Introduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AIIntroduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AI
 
Modern Data Challenges require Modern Graph Technology
Modern Data Challenges require Modern Graph TechnologyModern Data Challenges require Modern Graph Technology
Modern Data Challenges require Modern Graph Technology
 
ENEL Electricity Grids on Neo4j Graph DB
ENEL Electricity Grids on Neo4j Graph DBENEL Electricity Grids on Neo4j Graph DB
ENEL Electricity Grids on Neo4j Graph DB
 
MLOps in action
MLOps in actionMLOps in action
MLOps in action
 
Neo4j GraphSummit London March 2023 Emil Eifrem Keynote.pptx
Neo4j GraphSummit London March 2023 Emil Eifrem Keynote.pptxNeo4j GraphSummit London March 2023 Emil Eifrem Keynote.pptx
Neo4j GraphSummit London March 2023 Emil Eifrem Keynote.pptx
 
Peek into Neo4j Product Strategy and Roadmap
Peek into Neo4j Product Strategy and RoadmapPeek into Neo4j Product Strategy and Roadmap
Peek into Neo4j Product Strategy and Roadmap
 
Amsterdam - The Neo4j Graph Data Platform Today & Tomorrow
Amsterdam - The Neo4j Graph Data Platform Today & TomorrowAmsterdam - The Neo4j Graph Data Platform Today & Tomorrow
Amsterdam - The Neo4j Graph Data Platform Today & Tomorrow
 
SITA WorldTracer - Lost & Found Property
SITA WorldTracer -  Lost & Found PropertySITA WorldTracer -  Lost & Found Property
SITA WorldTracer - Lost & Found Property
 

Similaire à Deutsche Bahn - Wie Graphen zur Zuverlässigkeit der Bahn beitragen

Öko auf ganzer Schiene
Öko auf ganzer SchieneÖko auf ganzer Schiene
Öko auf ganzer Schiene
JingleT
 
Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...
Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...
Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...
Safe Software
 
aquivlenet koniitet esperanto usetful not regular
aquivlenet koniitet esperanto usetful not regularaquivlenet koniitet esperanto usetful not regular
aquivlenet koniitet esperanto usetful not regular
Rail78GSH
 
Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...
Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...
Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...
Hydrotec Aachen
 

Similaire à Deutsche Bahn - Wie Graphen zur Zuverlässigkeit der Bahn beitragen (20)

KI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB CargoKI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB Cargo
 
TFF2023 - Navigating Tourism Data Nexus
TFF2023 - Navigating Tourism Data NexusTFF2023 - Navigating Tourism Data Nexus
TFF2023 - Navigating Tourism Data Nexus
 
Schweizer BIM Kongress 2017: Referat von Heinz Ehrbar, DB Netz AG
Schweizer BIM Kongress 2017: Referat von Heinz Ehrbar, DB Netz AGSchweizer BIM Kongress 2017: Referat von Heinz Ehrbar, DB Netz AG
Schweizer BIM Kongress 2017: Referat von Heinz Ehrbar, DB Netz AG
 
Breitbandprojekte unter Berücksichtigung verschiedener Aspekte planen
Breitbandprojekte unter Berücksichtigung verschiedener Aspekte planenBreitbandprojekte unter Berücksichtigung verschiedener Aspekte planen
Breitbandprojekte unter Berücksichtigung verschiedener Aspekte planen
 
Le chemin vers les smart grid
Le chemin vers les smart gridLe chemin vers les smart grid
Le chemin vers les smart grid
 
Öko auf ganzer Schiene
Öko auf ganzer SchieneÖko auf ganzer Schiene
Öko auf ganzer Schiene
 
Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...
Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...
Effiziente Nutzung öffentlicher Geodaten für interne Projekte: Einblicke in W...
 
Geomapping am Bahnhof
Geomapping am BahnhofGeomapping am Bahnhof
Geomapping am Bahnhof
 
Digital transformation at DB Cargo
Digital transformation at DB CargoDigital transformation at DB Cargo
Digital transformation at DB Cargo
 
BGDI: Cloud Computing - Data Management - Mobile, 2011
BGDI: Cloud Computing - Data Management - Mobile, 2011BGDI: Cloud Computing - Data Management - Mobile, 2011
BGDI: Cloud Computing - Data Management - Mobile, 2011
 
Innovation und der richtige Zeitpunkt - Vortrag Reinhard Karger (DFKI)
Innovation und der richtige Zeitpunkt - Vortrag Reinhard Karger (DFKI)Innovation und der richtige Zeitpunkt - Vortrag Reinhard Karger (DFKI)
Innovation und der richtige Zeitpunkt - Vortrag Reinhard Karger (DFKI)
 
sixt_case_study
sixt_case_studysixt_case_study
sixt_case_study
 
Digitale Kommunikation in Fertigungsnetzwerken neu gedacht
Digitale Kommunikation in Fertigungsnetzwerken neu gedachtDigitale Kommunikation in Fertigungsnetzwerken neu gedacht
Digitale Kommunikation in Fertigungsnetzwerken neu gedacht
 
Effizientes Data Engineering und Automatisierung mit Azure-Databricks, Synaps...
Effizientes Data Engineering und Automatisierung mit Azure-Databricks, Synaps...Effizientes Data Engineering und Automatisierung mit Azure-Databricks, Synaps...
Effizientes Data Engineering und Automatisierung mit Azure-Databricks, Synaps...
 
aquivlenet koniitet esperanto usetful not regular
aquivlenet koniitet esperanto usetful not regularaquivlenet koniitet esperanto usetful not regular
aquivlenet koniitet esperanto usetful not regular
 
OSMC 2023 | Bring IoT auf ein neues Level mit ThingsBoard by Holger Koch
OSMC 2023 | Bring IoT auf ein neues Level mit ThingsBoard by Holger KochOSMC 2023 | Bring IoT auf ein neues Level mit ThingsBoard by Holger Koch
OSMC 2023 | Bring IoT auf ein neues Level mit ThingsBoard by Holger Koch
 
VDC Newsletter 2006-07
VDC Newsletter 2006-07VDC Newsletter 2006-07
VDC Newsletter 2006-07
 
Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...
Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...
Hydrothemen Ausgabe 35: SCHWERPUNKT: HYDRO_AS-2D 5.0: Hydronumerische Modelli...
 
Open Transport Data in Deutschland - Love, Hate, Denial, Hope
Open Transport Data in Deutschland - Love, Hate, Denial, HopeOpen Transport Data in Deutschland - Love, Hate, Denial, Hope
Open Transport Data in Deutschland - Love, Hate, Denial, Hope
 
Datenqualität von Stammdaten - einfach realisiert und schnell eingeführt
Datenqualität von Stammdaten - einfach realisiert und schnell eingeführtDatenqualität von Stammdaten - einfach realisiert und schnell eingeführt
Datenqualität von Stammdaten - einfach realisiert und schnell eingeführt
 

Plus de Neo4j

Plus de Neo4j (20)

From Knowledge Graphs via Lego Bricks to scientific conversations.pptx
From Knowledge Graphs via Lego Bricks to scientific conversations.pptxFrom Knowledge Graphs via Lego Bricks to scientific conversations.pptx
From Knowledge Graphs via Lego Bricks to scientific conversations.pptx
 
Novo Nordisk: When Knowledge Graphs meet LLMs
Novo Nordisk: When Knowledge Graphs meet LLMsNovo Nordisk: When Knowledge Graphs meet LLMs
Novo Nordisk: When Knowledge Graphs meet LLMs
 
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
 
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
 
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and BioinformaticiansQIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
 
EY_Graph Database Powered Sustainability
EY_Graph Database Powered SustainabilityEY_Graph Database Powered Sustainability
EY_Graph Database Powered Sustainability
 
SIEMENS: RAPUNZEL – A Tale About Knowledge Graph
SIEMENS: RAPUNZEL – A Tale About Knowledge GraphSIEMENS: RAPUNZEL – A Tale About Knowledge Graph
SIEMENS: RAPUNZEL – A Tale About Knowledge Graph
 
Build your next Gen AI Breakthrough - April 2024
Build your next Gen AI Breakthrough - April 2024Build your next Gen AI Breakthrough - April 2024
Build your next Gen AI Breakthrough - April 2024
 
Connecting the Dots for Information Discovery.pdf
Connecting the Dots for Information Discovery.pdfConnecting the Dots for Information Discovery.pdf
Connecting the Dots for Information Discovery.pdf
 
ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...
ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...
ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...
 
BBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafos
BBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafosBBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafos
BBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafos
 
Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...
Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...
Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...
 
GraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4j
GraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4jGraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4j
GraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4j
 
Neo4j_Exploring the Impact of Graph Technology on Financial Services.pdf
Neo4j_Exploring the Impact of Graph Technology on Financial Services.pdfNeo4j_Exploring the Impact of Graph Technology on Financial Services.pdf
Neo4j_Exploring the Impact of Graph Technology on Financial Services.pdf
 
Rabobank_Exploring the Impact of Graph Technology on Financial Services.pdf
Rabobank_Exploring the Impact of Graph Technology on Financial Services.pdfRabobank_Exploring the Impact of Graph Technology on Financial Services.pdf
Rabobank_Exploring the Impact of Graph Technology on Financial Services.pdf
 
Webinar - IA generativa e grafi Neo4j: RAG time!
Webinar - IA generativa e grafi Neo4j: RAG time!Webinar - IA generativa e grafi Neo4j: RAG time!
Webinar - IA generativa e grafi Neo4j: RAG time!
 
IA Generativa y Grafos de Neo4j: RAG time
IA Generativa y Grafos de Neo4j: RAG timeIA Generativa y Grafos de Neo4j: RAG time
IA Generativa y Grafos de Neo4j: RAG time
 
Neo4j: Data Engineering for RAG (retrieval augmented generation)
Neo4j: Data Engineering for RAG (retrieval augmented generation)Neo4j: Data Engineering for RAG (retrieval augmented generation)
Neo4j: Data Engineering for RAG (retrieval augmented generation)
 
Neo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdf
Neo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdfNeo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdf
Neo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdf
 
Enabling GenAI Breakthroughs with Knowledge Graphs
Enabling GenAI Breakthroughs with Knowledge GraphsEnabling GenAI Breakthroughs with Knowledge Graphs
Enabling GenAI Breakthroughs with Knowledge Graphs
 

Deutsche Bahn - Wie Graphen zur Zuverlässigkeit der Bahn beitragen

  • 1. Wie Graphen zur Zuverlässigkeit der Bahn beitragen DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence 06.07.2022 | München
  • 3. Das Unternehmen – Profil 3 Digitalpartner der Deutschen Bahn DB Systel ist eine hundertprozentige Tochter der DB AG und Digitalpartner für alle Konzern-Gesellschaften. Im Geschäftsjahr 2021 erzielte das Unternehmen einen Umsatz von rund 1,23 Milliarden Euro und beschäftigt derzeit rund 5.400 Mitarbeiter*innen. Fundierte Bahn- und IT-Kompetenz bilden die Grundlage für operative Exzellenz. DB Systel ist auf zahlreichen IT-Zukunftsfeldern aktiv. Dazu zählen Angebote zu Cloudintegration, Data Solutions, Internet of Things (IoT), Blockchain oder digitale Services. Firmensitz von DB Systel ist Frankfurt am Main. Weitere Hauptstandorte sind Berlin und Erfurt. DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022
  • 4. Graphen bei der DB DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 4 Von den Gleisverbindungen bis zu täglich verkehrenden Nah- und Fernverkehrszügen. Die Bahn kann ideal mit Graphen beschrieben werden.
  • 5. Herausforderung Bahn DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 5 Datenmenge Ca. 40.000 Zugfahrten/Tag auf rund 33.300 km Streckennetz verbinden 5.700 Bahnhöfe Geschäftsfelder Datenhaltung ist nur in Teilbereichen vereinheitlicht. Individuelle Datenhaltungen sind wegen gesetzlicher Anforderungen zu Neutralität bei DB Netz unvermeidbar. Perspektiven Planung, Betrieb und Instandhaltung benötigen Datenperspektiven in unterschiedlichen Granularitäten.
  • 6. Daten(Komplexität) bei der Bahn DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 6 Wartungsmanagement - Baustellenplanung - Baustellen im Netz Infrastruktur - Technische Plätze - Fahrbarkeitsgraph - Stellwerksicht Fahrzeug- und Personalumlauf Fahrplan - 1-Jahres-Sicht - Mehrjahres-Sicht - Operative Sicht
  • 7. Zuglaufverfolgungstelegramme bilden die Basis des Graphen DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 7 Startbahnhof Zugfahrt Telegr. 10 Telegr. 85 Telegr. 02 Telegr. 02 … Gleis 0001 Gleis 0002 Gleis 0003 Zugeinwahl Fahrstraße gestellt Signal Grün Fortschaltung Ziel: Gleis 0002 Fortschaltung Ziel: Gleis 0003 Fortschaltung Ziel: … Gleis 000n Telegr. 02 Start TG85 TG02 TG02 TG02 Ziel ZugNr.: 4711 Ort: 0002 Datum: 26.04.2022 Uhrzeit: 09:45 Zielbahnhof Fortschaltung zum Zielbahnhof
  • 8. Informationen aus anderen Datenquellen detaillieren Zugläufe durch ergänzende Graphebenen DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 8 GPS Meldungen Eigene Relationstypen für jede Datenquelle erlauben es, Pfade sowohl dediziert als auch im Verbund zu analysieren. ZugNr.: 4711 Latitude: 50.10667… Longitude: 8.662559… Datum: 26.04.2022 Uhrzeit: 10:50:01 Soll/Ist-Vergleich Die vollständig gerichtete Struktur ermöglicht sehr effiziente Abfragen auch von komplex verzweigten, langen Pfaden. Start TG85 TG02 TG02 TG02 Ziel
  • 9. Um Abhängigkeiten zwischen Zugfahrten sichtbar zu machen, werden Ereignisse am Ort chronologisch verkettet DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 9 Zugfahrt 1 Rangierfahrt 1 Zugfahrt 2 Start Start Start Dauer von 1 nach 2 Dauer von 2 nach 3 Dauer von Z1 bis R1 Dauer von R1 bis Z2 Zeit fortlaufend mit Zugbewegung Zeit der Zugfolge am Ort Analyse Ø Ø Analyse Dauer von R1 bis Z1 Ort 1 Ort 2 Ort 3
  • 10. Der Eventgraph erfasst den gesamten Zugverkehr mit einem möglichst hohen Detailgrad DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 10
  • 11. DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 11 Um Kreuzungssituationen zwischen Zügen zu identifizieren, wird ein Streckennetzgraph benötigt 001 Ziel A 052 Ziel B A B Kreuzung
  • 12. Zusammen bilden Eventgraph und Streckennetzgraph eine solide Basis zur Analyse von Zug- und Rangierbewegungen der DB DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 12 Streckennetzgraph Eventgraph
  • 13. DB Systel GmbH | Frederik Behler, Dr. Klaus Bermuth | Einheit Data Intelligence | 06.07.2022 13 Wegeberechnungen auf Basis von Länge, Kosten oder Zugeignung Analyse von Engpasssituationen Centralitiy Detection stark ausgelastete Gleisabschnitte, Einfluss einzelner Knoten Stammdatenmanagement nicht redundante Wissenserfassung
  • 14. Ansprechpartner Frederik Behler DB Systel GmbH Einheit Data Intelligence Team Graph Analytics & Artificial Intelligence Tel. +49 (0) 152 321 098 81 frederik.behler@deutschebahn.com DB Systel GmbH Jürgen-Ponto-Platz 1 | 60329 Frankfurt am Main Dr. Klaus Bermuth DB Systel GmbH Einheit Data Intelligence Team Graph Analytics & Artificial Intelligence Tel. +49 (0) 171 338 444 0 klaus.bermuth@deutschebahn.com DB Systel GmbH Jürgen-Ponto-Platz 1 | 60329 Frankfurt am Main www.dbsystel.de